●前言
第1章 緒論
1.1 機器視覺
1.1.1 機器視覺理論框架的建立
1.1.2 機器視覺繫統的基本構成
1.1.3 機器視覺的應用
1.2 機器視覺精密測量
1.3 機器視覺測量技術的發展
第2章 機器視覺精密測量繫統
2.1 機器視覺測量硬件繫統
2.1.1 工業相機
2.1.2 鏡頭
2.1.3 光源
2.1.4 圖像采集卡
2.1.5 機械運動模塊
2.2 機器視覺測量坐標繫
2.2.1 坐標繫的建立
2.2.2 坐標繫之間的坐標變換
2.3 視覺測量繫統的誤差來源
2.3.1 成像模型誤差
2.3.2 透視誤差
2.3.3 邊緣檢測算法的定位誤差
2.4 機器視覺測量繫統的標定與補償
2.4.1 標定參照物的選擇
2.4.2 標定采樣點的確定
2.4.3 像素當量的標定
2.4.4 光學畸變誤差的標定
2.4.5 光源強度對邊緣位置影響的標定與補償
2.4.6 實驗與分析
第3章 微米級亞像素邊緣定位
3.1 圖像去噪處理
3.1.1 噪聲的分類
3.1.2 常用的去噪算法
3.2 亞像素定位原理及常用方法
3.3 高斯積分模型
3.3.1 背光圖像邊緣特征
3.3.2 模型數值化計算
3.4 基於高斯積分曲線的亞像素邊緣定位
3.4.1 圖像像素級邊緣的提取
3.4.2 算法實現
3.5 基於Bertrand模型的亞像素邊緣定位
3.5.1 Bertrand曲面及其性質
3.5.2 圖像邊緣過渡區提取
3.5.3 算法實現
3.6 計算實例
第4章 齒輪機器視覺精密測量
4.1 齒廓圖像邊緣過渡帶內像素點參數數據庫
4.1.1 齒廓圖像邊緣過渡帶內像素點的幾何參數關繫
4.1.2 像素點數據庫參數的確定
4.2 齒輪齒距偏差視覺精密測量
4.2.1 Bertrand灰度曲面模型亞像素邊緣檢測算法改進
4.2.2 齒廓基圓位置的定位算法
4.2.3 齒廓基圓位置的邊緣過渡帶定位（ETZL）算法
4.2.4 齒廓基圓位置的亞像素邊緣定位（SPEL）算法
4.2.5 齒輪齒距測量方法
4.2.6 基於齒輪局部圖像的齒距偏差機器視覺測量算法
4.2.7 機器視覺測量齒輪中心定位精度對齒距測量誤差的影響
4.2.8 齒輪齒距偏差測量
4.3 齒輪齒廓偏差機器視覺精密測量
4.3.1 齒廓偏差的基本概念
4.3.2 齒廓偏差機器視覺精密測量模型的建立
4.4 齒輪齒厚偏差視覺精密測量
4.4.1 齒厚偏差的基本概念
4.4.2 齒厚偏差的機器視覺精密測量方法
4.5 公法線長度視覺精密測量
4.5.1 公法線長度變動的基本概念
4.5.2 公法線長度變動模型的建立
4.6 中小模數齒輪機器視覺精密測量實驗
4.6.1 測量繫統軟件
4.6.2 齒輪測量試驗
第5章 零件2D幾何量測量實例
5.1 齒輪泵中間體檢測
5.1.1 齒輪泵中間體
5.1.2 齒輪泵體數字圖像獲取
5.1.3 亞像素邊界特征提取
5.1.4 精度檢測
5.2 機油泵零件快速顯微測量
5.2.1 機油泵零件
5.2.2 測量方案
5.2.3 圖像處理
5.2.4 數據處理
5.2.5 齒輪泵零件檢測小結
5.3 磨削樣板檢測
5.3.1 樣板廓形的檢測
5.3.2 各向異性雙邊濾波
5.3.3 基於Facet模型提取亞像素邊緣
5.3.4 測量結果分析
參考文獻
